深度强化学习+Transformer：用AI求解开放车间调度问题的新范式
当Transformer遇上调度难题：小模型也能解决大问题
在制造业、服务业等众多领域，开放车间调度问题（OSSP） 一直是优化决策的核心挑战。随着任务（jobs）和机器（machines）数量的增加，问题的复杂度呈指数级增长，传统精确方法很快变得不可行。经典的分派规则和元启发式算法虽然实用，但在大规模场景下往往需要大量调参才能维持解的质量。
近日，一篇发表于 arXiv 的研究提出了一种基于 深度强化学习（DRL） 与 Transformer 架构 的调度策略，为 OSSP 的求解提供了全新思路。
模型设计：编码器-解码器 + 多头注意力
研究团队采用 Transformer 的编码器-解码器结构，利用多头注意力机制来捕捉作业与机器之间的复杂依赖关系。模型的输入极为简洁——仅使用加工时间矩阵，无需额外特征工程。训练阶段在 Taillard 基准实例（包括 4×4、5×5、7×7 和 10×10 的小规模问题）上进行，通过强化学习优化调度策略。
性能表现：小样本训练，大场景泛化
在标准测试集上，模型生成的调度方案其 makespan（最大完工时间） 通常保持在已知最优值的 15%-30% 以内。更具价值的是其泛化能力：将训练好的策略直接应用于未见过的、规模大幅增加的问题（从 40×40 到 100×100），无需任何微调或重新训练。
研究人员将模型与四种经典分派规则——SPT（最短加工时间）、LPT（最长加工时间）、MWKR（最大剩余工作量）和 EST（最早开始时间）——进行了对比。结果显示：
- Transformer 策略与 EST 性能相当，差距微小；
- 显著优于 SPT 和 LPT；
- 相对于标准下界，平均差距仅为 12.89%-15.12%。
行业意义：轻量级、可迁移的智能调度
这项研究的核心突破在于证明了 “小模型也能解决大问题”：一个在小型实例上训练的 Transformer 策略，可以零成本迁移至大规模场景，且性能不输甚至超越精心设计的启发式规则。这意味着，企业无需为每个规模的调度问题单独开发算法，只需训练一次，即可应对不同规模的调度需求。
未来，这种方法有望与实时生产数据结合，成为智能制造中动态调度决策的轻量级解决方案。不过，研究也指出当前模型在极端规模下的表现仍有提升空间，如何进一步缩小与最优解的差距，将是后续工作的重点。